前言
1、为了进行下一步的分词操作,我们需要读取停用词表(分词中需去除的无用词)、评论数据。
2、停用词表的文件格式为txt,评论数据的文件格式为csv。我们通常使用open()函数读取txt,使用pandas库的read_csv方法读取csv文件。
文本文件的输入输出
文本文件的读写主要通过**open()**所构建的文件对象来实现。
help(open)
重点掌握参数
file : 一个包含了你要访问的文件名称的字符串值。
mode : mode 决定了打开文件的模式
最常用的模式有:
“r” # 只读
“w” # 写入,如果文件存在则先删除原文件,后再创建新文件
“a” # 写入,如果文件存在则从该文件的末端开始写入
文件对象的方法:
1)读取方法:
content = f.readline() # 读取一行
content = f.readlines() # 读取所有行,储存在表中,每个元素是一行。
2)写入方法:
f.write(‘I like apple’) # 将’I like apple’写入文件
3)关闭文件:
f.close()
#停用词路径
filepath='e:/哈工大停用词表.txt'
#读取停用词,模式为“r”(可读),文件解码模式是gbk
f=open(filepath, 'r', encoding='gbk')
#读取停用词表的一行
line=f.readline()
print(line)
#读取停用词,模式为“r”(可读),文件解码模式是gbk
f=open(filepath, 'r', encoding='gbk')
#读取停用词表的所有行
lines